여기서:

• :

  m번째 월말의 i번째 주식의 애널리스트 커버리지로, 단순 애널리스트 커버리지 또는 총 애널리스트 커버리지로 선택할 수 있습니다. 이 값은 m번째 월말에 i번째 주식을 얼마나 많은 애널리스트가 커버했는지 나타내며, 주식에 대한 시장의 관심을 반영합니다. 여기에 로그에 1을 더하는 이유는 COV가 0일 때 로그를 취할 수 없는 상황을 피하기 위한 것입니다. 동시에 데이터 분포를 어느 정도 완화하고 이상값의 영향을 줄일 수도 있습니다.

• :

  m번째 월말의 i번째 주식의 총 시가총액의 자연 로그를 취합니다. 총 시가총액은 회사의 규모를 반영합니다. 일반적으로 시가총액이 큰 회사는 더 많은 애널리스트의 관심을 받습니다. 따라서 시가총액의 로그를 설명 변수로 사용하면 회사 규모가 애널리스트 커버리지에 미치는 영향을 제어할 수 있습니다. 로그 형식을 사용하면 극단적인 시가총액의 영향도 줄여 데이터 분포를 선형 회귀의 가정에 더 일치시킬 수 있습니다.

• :

  m번째 월말까지 지난 3개월 동안 i번째 주식의 일일 평균 회전율의 자연 로그입니다. 회전율은 주식의 유동성을 반영하며, 유동성이 높은 주식은 일반적으로 시장에서 더 인기가 높습니다. 로그를 취하는 목적은 극단적인 회전율의 영향을 줄이고 분포를 더 안정적으로 만들기 위함입니다.

• :

  m번째 월말까지 지난 3개월 동안 i번째 주식의 수익률입니다. 주식의 모멘텀 효과는 과거에 실적이 좋았던 주식이 앞으로도 계속 실적이 좋을 수 있음을 나타내므로 애널리스트는 그러한 주식에 주목하는 경향이 있습니다. 여기서 지난 3개월간의 수익률을 사용하여 애널리스트 커버리지의 제어 변수로서 모멘텀 효과를 포착합니다.

• :

  회귀 모델의 절편 항은 모든 설명 변수가 0일 때 애널리스트 커버리지 로그의 예상 값을 나타냅니다. 실제적으로 이는 시가총액, 회전율, 모멘텀 효과를 고려하지 않았을 때 애널리스트 커버리지의 기준 수준을 나타냅니다.

• :

  시가총액 로그($SIZE_{i,m}$)의 회귀 계수는 시가총액 로그의 단위 변화당 애널리스트 커버리지 로그의 예상 변화를 나타냅니다. 이 계수는 주식 규모가 애널리스트 커버리지에 미치는 영향의 방향과 정도를 반영하며, 양수로 예상됩니다. 즉, 회사의 시가총액이 클수록 애널리스트 커버리지가 높습니다.

• :

  지난 3개월간의 일일 평균 회전율 로그($LNTO_{i,m}$)의 회귀 계수는 회전율 로그의 단위 변화당 애널리스트 커버리지 로그의 예상 변화를 나타냅니다. 이 계수는 주식 유동성이 애널리스트 커버리지에 미치는 영향의 방향과 정도를 반영하며, 양수로 예상됩니다. 즉, 주식의 유동성이 높을수록 애널리스트 커버리지가 높습니다.

• :

  지난 3개월간의 수익률($MOM_{i,m}$)의 회귀 계수는 수익률의 단위 변화당 애널리스트 커버리지 로그의 예상 변화를 나타냅니다. 이 계수는 주식 모멘텀 효과(과거 성과)가 애널리스트 커버리지에 미치는 영향의 방향과 정도를 반영하며, 양수로 예상됩니다. 즉, 과거 성과가 좋은 주식은 애널리스트 커버리지가 더 높습니다.

• :

  회귀 모델의 잔차 항은 시가총액, 회전율, 모멘텀 효과로 설명할 수 없는 애널리스트 커버리지를 나타냅니다. 즉, 애널리스트 커버리지 잔차입니다. 이 잔차 항은 비정상적인 애널리스트 커버리지로 간주되며, 애널리스트의 선택 편향, 정보 우위 및 기타 행동을 반영할 수 있으며, 이 요인의 초점이기도 합니다.